各式各样的NDT方法

NDT,Normal Distributions Transform正太分布变换方法。

The normal-distributions transform (NDT) method for registration of 2D data was introduced by Biber and Straßer。该方法最早由Biber and Straßer提出。

The NDT models the distribution of all reconstructed 2D-Points of one laser scan by a collection of local normal distributions. First, the 2D space around the robot is subdivided regularly into cells with constant size. Then for each cell, that contains at least three points, the following is done:
1) Collect all 2D-Points xi=1..n contained in this box.
2) Calculate the mean q.
3) Calculate the covariance matrix Σ.
The probability of measuring a sample at 2D-point x contained in this cell is now modeled by the normal distribution N(q, Σ)。

标准的NDT方法

多尺度NDT

聚类NDT/区域生长NDT

NDT-MCL

参考文献

[1] Peter Biber and Wolfgang Straßer. The normal distributions transform:A new approach to laser scan matching. In Proceedings of the IEEE International Conference on Intelligent Robots and Systems (IROS), pages 2743–2748, Las Vegas, USA, October 2003.

时间: 2024-10-12 12:16:46

各式各样的NDT方法的相关文章

[PCL]NDT点云匹配方法

测试NDT方法的Demo,http://pointclouds.org/documentation/tutorials/normal_distributions_transform.php#normal-distributions-transform 系统环境:Win7 OS/PCL1.8.0/VS2010 诡异的是Debug运行,报 vector subscript out of range 错误. 居然在Release模式下可以正常运行.不解啊! 好多人都遇到了类似的问题:http://ww

对比其它软件方法评估敏捷和Scrum

一般来说,选择一种软件开发方法,更像是加入一个邪教组织,而不像是做出了一个技术决策.许多公司甚至从未试图去评估这些方法,而仅仅是盲目采用最流行的方法,这就造成了如今五花八门的各种敏捷方法.因此本文将使用包括功能点.缺陷移除率(DRE).质量成本(COQ)以及总拥有成本(TCO)在内的一些标准的度量指标,对现代软件开发方法的样本进行比较. 目前有约55种已命名的软件开发方法正在使用,还有更大数量的混合方法.这些开发方法中包括传统的瀑布方法.各种花样的敏捷.Rational统一过程(RUP).团队软

数据挖掘中所需的概率论与数理统计知识

http://blog.csdn.net/v_july_v/article/details/8308762 数据挖掘中所需的概率论与数理统计知识 (关键词:微积分.概率分布.期望.方差.协方差.数理统计简史.大数定律.中心极限定理.正态分布) 导言:本文从微积分相关概念,梳理到概率论与数理统计中的相关知识,但本文之压轴戏在本文第4节(彻底颠覆以前读书时大学课本灌输给你的观念,一探正态分布之神秘芳踪,知晓其前后发明历史由来),相信,每一个学过概率论与数理统计的朋友都有必要了解数理统计学简史,因为,

Laravel 数据库 聚合+Join 查找语句。

聚合# 查询构造器也提供各式各样的聚合方法,如 count, max, min, avg 及 sum. 使用聚合方法# $users = DB::table('users')->count(); $price = DB::table('orders')->max('price'); $price = DB::table('orders')->min('price'); $price = DB::table('orders')->avg('price'); $total = DB::

网络学习详解-从平凡到独特

修炼篇: 每个人心中或许都有一个武侠梦,那么对于很多刚入行的网工,不知从何入手,总是想要去买一堆网络的"武林秘籍",闭关修炼一年半载的,然后王八之气一震当上武林盟主迎娶小师妹,貌似这个剧情合情合理,但是却又遥不可及. 虽说"武林秘籍"是前人留下的成功不二法门,只要勤勤恳恳总有一天你会成为武林一霸,可现如今江湖动荡,少侠可以全然不顾刀光剑影的江湖,不顾腰带中的银子,放下纷扰江湖事,一心只读圣贤书吗? 你等江湖,江湖不等你. 之前有一位江湖少侠找到我,说叶前辈我想要跟你

C/C++返回内部静态成员的陷阱(转)

在我们用C/C++开发的过程中,总是有一个问题会给我们带来苦恼.这个问题就是函数内和函数外代码需要通过一块内存来交互(比如,函数返回字符串),这个问题困扰和很多开发人员.如果你的内存是在函数内栈上分配的,那么这个内存会随着函数的返回而被弹栈释放,所以,你一定要返回一块函数外部还有效的内存. 这是一个让无数人困扰的问题.如果你一不小心,你就很有可能在这个上面犯错误.当然目前有很多解决方法,如果你熟悉一些标准库的话,你可以看到许多各式各样的解决方法.大体来说有下面几种: 1)在函数内部通过mallo

推荐系统中所需的概率论与数理统计知识

前言 一个月余前,在微博上感慨道,不知日后是否有无机会搞DM,微博上的朋友只看不发的围脖评论道:算法研究领域,那里要的是数学,你可以深入学习数学,将算法普及当兴趣.想想,甚合我意.自此,便从rickjin写的"正态分布的前世今生"开始研习数学. 如之前微博上所说,"今年5月接触DM,循序学习决策树.贝叶斯,SVM.KNN,感数学功底不足,遂补数学,从'正态分布的前后今生'中感到数学史有趣,故买本微积分概念发展史读,在叹服前人伟大的创造之余,感微积分概念模糊,复习高等数学上册,

JDBC性能优化方案

近期用到了利用JDBC查询Oracle数据库,但是查询效率不尽人意,研究了一下JDBC方面可以优化的地方,在这里跟大家分享一下. 1.设置最优的预取值 defaultRowPrefetch:预取条数默认值 defaultBatchValue:触发查询操作的批量请求值 这两个参数的默认值都是10,我们可以通过增加这两个参数值来减少数据库请求以提高查询效率,当然具体值大小要视具体情况而定. 2.通过连接池获取连接 创建连接的代价很大,通过连接池获取连接可省去创建连接时间. 3.选择合适的Statem

从统计学角度来看深度学习(2):自动编码器和自由能

从统计学角度来看深度学习(2):自动编码器和自由能 原文链接:http://blog.shakirm.com/2015/03/a-statistical-view-of-deep-learning-ii-auto-encoders-and-free-energy/ 作者:Shakir Mohamed  翻译:钟琰    审校:何通    编辑:王小宁 本文得到了原英文作者Shakir Mohamed的授权同意,由钟琰翻译.何通审校.感谢他们的支持和帮助. 基于前馈深度神经网络的判别模型已经在许多